tyc7111cc太阳成集团

洞察市场格局
解锁药品研发情报

免费客服电话

18983288589
医药数据查询

【ChiCTR2500098023】预测中国女性乳腺癌患者长期临床结果的机器学习模型

基本信息
登记号

ChiCTR2500098023

试验状态

正在进行

药物名称

/

药物类型

/

规范名称

/

首次公示信息日的期

2025-02-28

临床申请受理号

/

靶点

/

适应症

乳腺癌

试验通俗题目

预测中国女性乳腺癌患者长期临床结果的机器学习模型

试验专业题目

基于MRI和病理图像的深度学习模型预测乳腺癌新辅助治疗患者的预后

申办单位信息
申请人联系人
申请人名称
联系人邮箱
联系人邮编

联系人通讯地址
临床试验信息
试验目的

乳腺癌（breast cancer,BC）是全球女性最常见的恶性肿瘤,约占女性恶性肿瘤的31%，也是导致女性死亡最常见的癌症类型。新辅助化疗（neoadjuvant chemotherapy,NAC）用于早期或局部晚期乳腺癌的治疗，可以评估药物敏感性，并对患者进行预后分层，NAC提高了治疗效率，改变了乳腺癌的治疗模式。NAC手术完成后需要病理评估癌细胞残留,癌细胞残留越多预后越差，病理完全缓解（pCR）患者预后最佳。因此，目前对于BC的NAC研究多采用pCR作为患者预后的替代指标，pCR大幅度提高提示患者长期生存的改善。然而，如今仍缺乏对开展NAC的BC患者中术前精准预测pCR的无创工具。最近的研究报告称，深度神经网络（DNN）、残差网络（ResNet）、图神经网络（GNN）、Transformer和Diffusion扩散模型等新兴AI算法的问世，当融合了影像图像和病理图像的特征，再结合临床信息用于诊断乳腺癌时，深度学习（Deep Learning,DL）模型的性能会得到进一步提高。DL和多组学的结合以非侵入性方式提高了乳腺癌的术前诊断、分级的准确性，预测基因分型方面性能良好，且与临床因素结合能评估术后生存期，以上优势都有利于我们用于评估参与NAC的BC患者。但目前研究的样本量较小，且数据单一，可靠的预测模型需要大量数据进行训练，建立多中心的数据库十分必要。

试验分类
试验类型

连续入组

试验分期

其它

随机化

无

盲法

/

试验项目经费来源

横向课题

试验范围

/

目标入组人数

400

实际入组人数

/

第一例入组时间

2024-12-10

试验终止时间

2026-06-01

是否属于一致性

/

入选标准

收集2015年2月至2025年12月在我院接受NAC治疗的浸润性乳腺癌患者的病史、影像、病理图像数据，本研究方案需经我院伦理委员会批准。 （1）穿刺活检证实的原发性乳腺癌;（2）既往未接受过NAC治疗的;（3）在我院接受完整周期NAC后完成手术;（4）在我院开始NAC治疗前和手术前行MRI检查。；

排除标准

无；

研究者信息
研究负责人姓名
试验机构

哈尔滨医科大学附属肿瘤医院

研究负责人电话
研究负责人邮箱
研究负责人邮编

/

联系人通讯地址

哈尔滨医科大学附属肿瘤医院的其他临床试验

更多

哈尔滨医科大学附属肿瘤医院的其他临床试验

更多

最新临床资讯